主题做文献综述。介绍了HPM如何应用于房地产评估，并对模型的指标、模型形式、模型检验方法的选择和改进进行了讨论。接着就HPM在房地产评估中的应用和未来研究方向进行了阐述，分别从对接计算机应用技术、实现房地产产业信息化，将模糊数学、神经网络模型、层次分析法、主成分分析法等数学统计模型在HPM进行应用，非住宅类型的房地产价值的评估三个方面进行新的研究。
关键词：房地产评估；特征价格模型；批量评估
一、引言
2015年10月，我国“十三五”规划出台，其中明确指出加强土地、财税、金融政策调节、加快住房系统建设，完善符合国情的住房体制机制和政策体系、合理引导住房需求；加强市场监督，规范房地产市场秩序，抑制投机需求，促进房地产产业平稳健康发展。同时，规划也强调全面提高信息化水平，推动信息化和工业化深度融合，加快经济社会各领域信息化。加强重要信息系统建设，强化地理、人口、金融、税收、统计等基础信息资源开发利用。
房地产的准确估价对推动房地产价格正常化、保障房地产公平交易、建立健康的房地产市场有着非常重要的意义。特征价格模型HPM（Hedonic Price Model）是一种通过特征价格来反映产品或者服务价格的模型。而房地产作为一种异质性的商品，由于各个房地产所对应的特征数量以及组合方式各不相同，房地产价格就会体现不同程度上的差异。因此使用HPM对房地产进行估值能够更加精准的算出其房地产商品的隐含价格，有利于提高房地产评估的精准程度。
随着国内的房地产税全面征收，房地产批量评估的需求越来越大，如何更高效，更准确的进行房地产的批量评估是评估界急需考虑的一个问题。目前，国外已经有了基于计算机辅助自动评估CAMA（Computer-assisted Mass Appraisal）和地理信息系统GIS（Geographic Information System）的房地产批量评估的方法。但是在CAMA中所使用的评估方法仍然有其局限性，而HPM的引入值得考虑。一方面，随着大数据时代的到来，房地产评估的信息化为HPM在房地产评估中的应用提供了坚实的基础；另一方面，HPM在房地产批量评估中的应用不但可以规范评估的标准、简便操作，而且也提高了批量评估的精确性。该研究也对房地产税的推行和征收起到一定的积极作用。
因此，基于HPM的房地产评估研究对我国的房地产行业将起到突出的作用。一是利于房地产的准确估价，促进房地产产业稳定发展。二是将房地产价格影响因素特征系统化、房地产评估批量化以及房地产评估过程的信息化，利于房地产行业信息化建设步伐，为行业提供信息支撑。三是基于HPM在房地产评估的系统性的评估信息化，有利于加强市场监督，规范房地产市场秩序，抑制投机需求，促进房地产平稳健康发展。
二、基于HPM的房地产评估的研究与改进
1.HPM在房地产行业国外研究概述
价格特征模型研究始于美国，可以追溯到20世纪30年代。Waugh（1928）最早研究商品特征与价格的函数关系，用回归方程分析波士顿蔬菜质量差异与价格变动的联系，并估计了每个属性的隐含价格。
自Timeout，Lancaster，Rosen（1974）等先后将HPM引入房地产行业之后，国外关于HPM的房地产行业的研究大致可以分为两个阶段。
第一阶段是从1974年到2000年，这一时期的主要研究集中在HPM的函数方程的选择、特征变量选择、估计方法的改进等。如Jones和Larry E（1988）主要从变量选择的角度对HPM进行了分析；HuhSerim和KwakSeung（1997）讨论了HPM中变量选择和方程形式的选择问题；Kelley Pace（1995）比较分析了参数估计方法、半参数估计及非参数估计法在HPM中的应用问题。
第二阶段是2000年以后，研究的内容涉及的理论方面主要是对于模型的改进、新的参数估计方法：如Steimetz（2010）对空间特征模型从不同角度展开了分析，Neill Helen R（2007）还进一步将空间特征模型和传统模型进行了比较。
2.HPM在房地产行业国内研究概述
国内关于HPM在房地产行业的研究最早的是由中国人民大学的蒋一军、龚江辉（1996）利用HPM计算异质品价格指数的方法，并将其运用于房地产行业。可见，国内在HPM应用于房地产领域的研究还不足20年。
大部分的文献中主要是针对某个特定区域根据其建筑属性、区域属性、邻里属性的特征，选择一些这些属性所具有的具体特征的特征变量。以房地产价格为因变量，构造函数方程，并应用经济学、统计学、计量经济学检验因变量的显著性、方程的显著性及其拟合程度、经济学意义等。本文发现每个区域所表现出来的显著变量各不相同、其方程的选择也各有差异，不同方程所表现出来的拟合程度也会有所差异，而对在这个方面的理论研究比较少。
3.特征变量的选择以及量化
在建立HPM的过程中，正确的构建HPM的关键是科学的选择特征变量。HPM实际上是一个因果关系的定量分析，其中影响房地产价格的因素被作为特征变量，主要分为区位因素、建筑结构因素、邻里环境因素。
房地产的区位特征因素一般以整个城市的角度来看，以房地产到某个地理中心的距离来衡量。这个地理中心一般就是影响这个住宅的因素。如：最近公交车站、最近高速公路、最近主干道距离、最近已建地铁车站。房地产的建筑结构特征与房地产价格有很大的相关性，一般分为可量化和不可量化的因素。可量化的因素包括：建筑面积、容积率、绿化率、房间数目、房龄。不可量化的数据包括：装修楼层、装修程度、朝面等因素。房地产的邻里环境因素是房地产周边环境对房地产产生影响的因素，一般也使用距离来衡量。如：与最近学校距离、与最近医院距离、与CBD距离等。
在进行特征变量进行选择的时候，需要注意三点：变量的选择是否具有经济意义，变量的数据是否能收集，变量是否可以被量化或者采用虚拟变量的方式量化。
本文选取了地铁轨道交通为区域为主的35篇论文进行了一个指标的统计分析，将所有的指标分成三类：建筑结构特征变量、邻里环境特征变量、区位因素特征变量，统计出每一种类型的指标选取的次数，并将HPM模型检验后的显著指标进行了统计，为以后的研究对指标选择提供参考。
从表1可以看出显著的特征变量有：建筑面积、容积率、装修程度、绿化率；与市中心（CBD）距离、与地铁站距离、公交车站；医院、学校、商业中心、公园、景区。但是也不能排除因为数据样本的大小、特征变量的相关性、模型的自相关性等所导致的模型的误差可能性。
通过对文献梳理，本文发现主要存在三种变量选择的倾向。一是对于建筑结构特征变量：楼盘类型、装修程度、开发商品牌、楼层、停车场大小部分文献使用虚拟变量的方式进行量化，部分文献采用层次分析法加上专家打分法进行量化。二是对于地理区位特征变量：大部分文献采用GIS测距的方式进行量化，针对公交车站这一指标有所不同，有三种形式：2km内公交车站的个数、小区附近的公交线路个数；最近公交车站距离。三是对于邻里环境特征变量：大部分文献采用GIS测距的方式进行量化，针对学校、医院这两个指标有部分文献对学校进行了分层。采取对小学、初中、高中或者是否重点小学的进行更细致的分层分别进行量化的方式；部分文献对医院采取重点医院、非重点医院等更细致的分层分别进行量化的方式。而对于商业中心、购物中心、商圈这样的指标本文统一归纳为商业中心，便于直观的了解。
4.模型形式的选择
特征价格模型由于大量依靠计量经济学分析，所以函数形式的选择就显得非常重要，在已有的使用HPM用于房地产评估的研究中，大部分采用的是线性模型、对数模型和半对数模型三种，其中的拟合程度大部分较高，一般在60%到90%之间。但是根据样本数据的不同，不同函数的拟合程度也会不一样。也有个别研究采用二次函数、反半对数函数、指数函数、BOX-COX变换等函数形式。
周丽萍、李慧明、路鹏飞（2009）将BOX-COX变换应用于HPM之中，BOX-COX变换的关键是对变换参数 依据样本观测做出恰如其分的估计，解决了有些函数对于一些样本数据拟合程度过低的问题。
5.模型的估计
HPM在一般情况下使用最小二乘法（OLS）的进行估计，也可以使用加权OLS、BP神经网络等其他方法进行估计。其目的是为了准确估计函数的参数和找到显著的变量。
一般情况下，模型需要经过三种检验：经济学检验、统计学检验、计量经济学检验。对于模型中的特征变量需要讲过经济学意义的检验和统计意义的检验，其中经济学意义的检验就是看特征变量的参数是否符合该特征在房地产价值的实际影响，统计学检验则是根据数据样本检验该特征变量是否显著。而计量经济学检验一般是检验该模型是否具有自相关性、异方差性，以及该模型的解释变量是否具有相关性和共线性，一般采用DW检验和方差膨胀因子VIF检验的方式。本文认为在房地产评估模型建立的过程中，经济学意义的检验尤为重要，不能因为模型的变量不显著，或者解释变量有相关性就删除变量，因为这很有可能是因为数据样本不足所导致的。
三、HPM的在房地产评估中应用
1.房地产批量评估
房地产批量评估是以房地产估价理论为基础，依托计算机技术，运用预先制定的评估模型，一次性对多宗房地产进行快速、大量的评估。而房地产所依托的计算机技术目前有美国基于地理信息系统GIS的计算机辅助的批量评估系统CAMA（Computer-assisted Mass Appraisal）。CAMA技术是以传统的评估方法为模型作为依托，以数理统计与计算机技术组成的模型校准技术为工具形成的较为成熟的批量评估体系。而HPM作为一个比较成熟的数理模型应用于房地产批量评估之中，将起到更好的效果。
黄梦吟、郭华林（2012）对HPM中特征变量进行量化分析时如何采用GIS的空间分析技术原理优化进行了理论探索。并将量化结果录入储存，建立了房地产信息量化数据库，使房地产的空间数据与属性数据建立了对应关系，实现了批量自动评估的可视化效果。杨杉、邓科（2015）用主成分分析和对数回归分析建立HPM，并基于CAMA进行了批量评估实证分析，并利用比率分析对模型估计的可靠性进行评估以探索HPM对房地产税基批量评估的适用性，结果得出HPM在房地产批量评估的适用性较高。
2.房地产价格指数编制
房地产价格指数主要有三个作用：一是反映房地产价格的综合变动趋势；二是指导房地产行业的政策调整；三是作为一些重要经济现象的事前预警指标和事后测定指标。一套完整准确的房地产价格指数应该包含综合加权指数和特征价格指数，而特征价格指数则需要经过HPM和价格指数计算公式得出。文苑棠（2014）利用HPM以广州市为例进行了广州市住宅房地产价格指数的编制，用实证分析方法得出用HPM进行房地产价格指数的编制可以很好的解决现行房价指数的局限性，可以编制连续、稳定的价格指数，并提高价格指数的稳定性。赵亮（2015）则结合沈阳市房地产市场的实际情况、采用HPM和价格指数计算公式，得出了沈阳市商品住宅价格增速正在逐年减缓的结论。
3.房地产价格影响因素的分析
使用HPM构建房地产价格和特征变量的函数模型，通过对模型的构建和检验可以用来分析房地产价格的影响因素。张绍良、李晶晶、公云龙（2013）通过构建HPM分析城市人口特征、经济特征、社会特征和开放特征等宏观因素对城市住宅价格的影响，并使用实证分析，以2006―2011年全国35个省会城市作为研究数据集，得出居民收入越高、城市开放程度越大、住宅价格越高的结果。
4.房地产价值的评估及预测
HPM用于房地产的估价是目前HPM应用的主要研究方向，大量研究进行实证分析对各个地方在某个区域下的房地产进行基于HPM的房地产估价。并根据房地产指数，或者引入其他数学模型对未来的房地产价格做出合理的预测，从而为关于房地产相关政策的制定提供合理的建议。
四、HPM在房地产评估中未来研究方向
1.对接计算机应用技术，实现房地产行业信息化
十三五规划中强调全面提高信息化水平，加强重要信息系统建设。耿继进、张晖（2012）在房地产批量评估数据上进行分析的基础上，基于GIS技术提出了房地产批量评估数据库的构建的技术路线，设计了数据库的总体结构，并研究了房地产批量评估数据集成的办法。吴同仪、邓大松（2015）通过改进的粒子群优化算法弥补了房地产基本信息数据库不完善和CAMA技术难以大范围应用的短板，能够通过少量的样本数据和参数进行估算。
因此，对于HPM在房地产评估中的研究，以及其他数学统计模型的应用，有利于房地产评估数据库的建立。在美国已经有了基于CAMA的房地产批量评估并不断发展新技术与方法，我国也应该借鉴，完善房地产评估信息系统的建设是未来亟需发展的方向。
2.数学统计模型在HPM的应用
（1）模糊数学。李真（2005）将模糊数学评估模型和GIS相结合设计了基于模型的房地产估价信息系统框架，并实证了模糊数学系统相较于市场法的优越性。陈良琼（2008）将在使用HPM应用于房地产估价中引入模糊数学的方法对特征因素进行了量化。胡芬（2009）运用类比分析方法和模糊聚类分析模型对房地产市场发展阶段进行了聚类分析，并使用模糊数学的方法对房地产价格进行估算和对房地产未来的销售量进行预测。将模糊数学与HPM相结合的研究将有利于评估模型的准确，并能够实现对未来房地产行业的较准确预测。
（2）神经网络。孙爱荣、程亚鹏（2010）运用灰色GM（1，1）模型和BP神经网络模型相结合的灰色BP神经网络模型，对房地产价格指数进行了预测。司继文、韩莹莹、罗希（2012）在对传统HPM的属性因子进行了扩充，并同时采用了BP神经网络和传统的最小二乘法进行了数值模拟分析，最终得出BP神经网路模拟的价格与实际交易曲线的价格曲线比传统最小二乘模拟的价格曲线精度高出了5.74的百分点。
（3）层次分析法和主成分分析法。赵怡爽（2014）选取了12个对房地产价格有影响的因素指标，对各变动因素进行因子分析，最终提取了两个因子，并运用层次分析法对影响因素指标进行加权计算综合得分，证明我国房地产价格呈逐步上升趋势。
宋永发、王颖、鞠平（2008）将主成分分析法与HPM相结合，对房地产项目的销售均价进行定价，解决了分析样本数据少，部分特征属性相关性强的问题。
这些数学统计模型在HPM中的应用或多或少都能够优化HPM，但是在这些方面的研究都只做了尝试性研究并未深入，更是很少用于实证分析。因此将数学统计模型用于HPM优化对房地产评估的研究并用于实证分析将是未来可以研究的方向，但是数学模型只是工具，在房地产评估的研究中定性的分析要大于定量的分析，不能为了模型而忽略实际意义。
3.非住宅类型以及三、四线城市的房地产价值的评估
HPM用于房地产的评估中，大多用于对某个区域特征的住宅的研究，如轨道交通、风景区、商业中心等等。对于其他类型的房地产，比如商圈、商铺、工厂、工业区等房地产则存在大量空白。值得提出的是，在现有的大量实证分析里，研究较多的还是一、二线城市的房地产，对于三、四线的城市甚至农村的房地产则鲜有研究。随着中国经济步入新常态，国家也正在要求化解房地产库存，其中一、二线城市的房地产仍有需求，真正需要化解房地产库存的是三、四线城市，而且随着城镇化的到来，农村房地产的价值判断的问题也需要解决，因此对三、四线城市以及农村房地产的研究也是今后重要的拓展领域。
参考文献
1.陈梅婷，郭婧娟.基于特征价格模型的商品住宅估价方法研究，2014（3）.
2.韩会、石丁.房地产税基批量评估的特征价格模型应用研究，2014（3）.
3.杨杉、邓科.特征价格模型对房地产税税基评估的适用性，2015（1）.
4.张绍良、李晶晶、公云龙.基于特征价格模型的城市住宅价格影响因素研究，地域研究与开发，2013（8）.
5.耿继进、张晖.基于GIS的房地产批量评估数据库构建研究――以深圳市为例，遥感技术与应用，2012（6）.
6.赵怡爽.房地产的价格影响因素分析及预测，统计观察，2014（12）.（责任编辑：兰卡）